Kompresi Citra dan Reduksi Data Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”

Slides:



Advertisements
Presentasi serupa
CITRA BINER Kuliah ke 11 4/7/2017.
Advertisements

Pengertian Citra Dijital
Kompresi Citra Dr. Aniati Murni (R 1202) Dina Chahyati, SKom (R 1226)
PEMAMPATAN CITRA 4/9/2017.
Kompresi Citra KOMPRESI CITRA Nurfarida Ilmianah.
Praktikum PTI Sekolah Tinggi Ilmu Statistik Oleh : SIS - BPS Pengolahan Citra.
Perbaikan Citra pada Domain Spasial
Video Compression. Kelompok 13 M Fatkhul Amin Irpan Maulana Kholid A.H Hendy W
Praktikum PTI Sekolah Tinggi Ilmu Statistik Oleh : SIS - BPS
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
1 Pertemuan 2 Citra Dijital dan Persepsi Visual Matakuliah: T0283 – Computer Vision Tahun: 2005 Versi: Revisi 1.
Anna Hendrawati STMIK CILEGON
PENGOLAHAN CITRA DAN POLA
Kompresi Citra dan Reduksi Data
Pertemuan 4 Modulasi Digital
Representasi data multimedia
Pengolahan Citra Pertemuan 14.
Tugas multimedia.
IMAGE ENHANCEMENT (PERBAIKAN CITRA)
Pengolahan Citra Digital: Konsep Dasar Representasi Citra
Pengolahan Citra Digital: Transformasi Citra (Bagian 1 : FT – DCT)
Pengolahan Citra Digital Peningkatan Mutu Citra Pada Domain Frekuensi
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
Aplikasi Transformasi Citra Beberapa Contoh
Convolution and Correlation Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”
Eliminasi Gangguan Awan Pada Citra Optik Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”
Kompresi Citra Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”
1. Pendahuluan Image Processing 1. Content: 1.Aplikasi Citra 2.Pengertian Citra Digital 3.Pengertian Piksel 4.Sampling 5.Kuantisasi 6.Jenis Citra 7.RGB.
Kompresi Gambar Klasifikasi Kompresi Teknik Kompresi 1.
MODUL 3 PERBAIKAN KUALITAS CITRA
2 Pengolahan Citra Digital
Citra Digital.
MODUL KULIAH 2 FORMASI CITRA
Materi 01(b) Pengolahan Citra Digital
Operasi2 Dasar Merupakan manipulasi elemen matriks :
Meminimalkan Kebutuhan Memori dalam Merepresentasikan Citra Digital
Algoritma dan Struktur Data Lanjut
Image Processing 1. Pendahuluan.
MODUL 4 PERBAIKAN KUALITAS CITRA (2)
EDY WINARNO fti-unisbank-smg 31 maret 2009
Pertemuan 3 Pengolahan Citra Digital
Pengolahan Citra Digital
PENGANTAR KOMPUTER & TI 1A
Stimik Cilegon, 25 Juni 2010 Anna Hendrawati
Operasi Aritmatika dan Geometri pada Citra
D10K-6C01 Pengolahan Citra PCD-03 Piksel dan Representasinya
Pendahuluan Pengolahan Citra
Algoritma dan Struktur Data Lanjut
Peningkatan Mutu Citra
Pengolahan Citra Pertemuan I.
Pengolahan Citra Digital: Peningkatan Mutu Citra Pada Domain Spasial
KONVOLUSI DAN TRANSFORMASI FOURIER
PERTEMUAN KE-1 Sumber :Prof. Sinisa Todorovic
KOMPRESI GAMBAR (CITRA)
Pengolahan Citra Pertemuan 2.
Pengolahan Citra Digital
Pengolahan Citra Digital Peningkatan Mutu/Kualitas Citra
Grayscale Pengolahan Citra Danar Putra Pamungkas, M.Kom
Tugas Akhir Multimedia
KOMPRESI CITRA Edy Mulyanto.
Operasi titik / piksel.
Pengolahan Citra Digital. Pembentukan Citra Citra dibagi menjadi 2 macam : 1.Citra kontinyu : adalah citra yang dihasilkan dari sistem optik yang menerima.
IMAGE ENHANCEMENT.
Format citra Oleh : Kustanto 11/10/2018.
Pertemuan 10 Mata Kuliah Pengolahan Citra
Oleh : Rahmat Robi Waliyansyah, M.Kom.
Negasi Pengolahan Citra Danar Putra Pamungkas, M.Kom
KOMPRESI DATA.
Pengolahan citra digital
PENGANTAR PENGOLAHAN CITRA
Transcript presentasi:

Kompresi Citra dan Reduksi Data Dr. Ir. Sumijan, M.Sc Dosen Universitas Putra Indonesia “YPTK”

2 Kendala Data Citra Dijital Mengapa perlu kompresi dan reduksi data? Data citra umumnya berukuran besar Tidak praktis dalam aspek penyimpanan, proses dan transmisi Perlu reduksi atau pemampatan data dengan mengurangi redundancy atau duplikasi data Data redundancy: adalah bagian data yang tidak mengandung informasi terkait atau merupakan pengulangan dari informasi yang sudah dinyatakan sebelumnya atau sudah diketahui

3 Contoh Aplikasi Aplikasi yang membutuhkan image compression: dimana perkembangannya ditentukan oleh efisiensi pada manipulasi data, penyimpanan, dan transmisi citra biner / monokrom / berwarna: Televideo-conferencing Remote sensing Telemedical / Medical imaging Facsimile transmission

4 Data dan Informasi Pengertian data dan informasi: Berita ‘pembinaan’ mahasiswa STPDN di muat di koran. Kata-kata yang membentuk berita tersebut disebut data. Informasi diturunkan dari data. Isi berita tentang ‘pembinaan’ tersebut merupakan suatu informasi. Informasi yang sama dapat direpresentasi dalam bentuk data yang berbeda. Bandingkan antara informasi ‘pembinaan’ tersebut yang ditulis di koran dan yang ditayangkan di TV.

5 2 Kategori Teknik Kompresi Citra Information preserving (lossless compression): teknik yang memproses data asli menjadi bentuk yang lebih ringkas tanpa hilangnya informasi. Contoh: Aplikasi biomedis. Lossy compression: teknik mendapatkan data yang lebih ringkas dengan melalui suatu proses penghampiran (approksimasi) dari data asli dengan tingkat error yang dapat diterima. Contoh: TV broadcast.

6 Konsep Data Redundancy Tidak abstrak dan dapat dinyatakan dalam entitas besaran matematis Relative data redundancy R D : R D = 1 - 1/C R dan C R = n 1 /n 2 n 1 dan n 2 : jumlah satuan informasi yang dibawa data set 1 dan data set 2. Bila n 1 = n 2, maka C R = 1 dan R D = 0 (tidak ada redundancy). Bila n 2 << n 1, maka C R mendekati tak terhingga dan R D mendekati 1 (terjadi redundancy yang tinggi). Bila n 2 >> n 1, maka C R mendekati 0 dan R D mendekati minus tak terhingga (informasi yang dibawa data set 2 jauh lebih besar dari data set 1) Bila 0 < C R < 1 dan R D rendah ( tingkat redundancy rendah).

7 Coding redundancy (1) Terjadi bila suatu kode simbol yang digunakan terdiri dari sejumlah bit yang melebihi jumlah bit yang diperlukan untuk representasi setiap simbol (dalam hal ini: tingkat keabuan piksel citra).

8 Coding redundancy (2) Fixed-length versus variable-length coding: r K p(r K )fixed L(r K )variableL(r K ) / / / / / /

9 Coding redundancy (3) Tingkat keabuan yang probabilitas terjadinya tinggi diberi panjang kode yang pendek, dan bila sebaliknya diberi kode yang panjang. Bila digunakan variable-length coding, panjang kode rata-rata: Bila digunakan fixed-length coding 3 bits, tingkat redundancy-nya adalah: R D = 1 – 1/C R = 1 – 1/(3/2.7) = (sekitar 10%)

10 Interpixel Redundancy (1) Histogram distribusi tingkat keabuan sama untuk kedua citra. Pada gambar nilai autocorrelation tinggi pada dan pada gambar (b) juga tinggi pada dan 90.

11 Interpixel Redundancy (2) Sering disebut juga sebagai spatial redundancy, geometric redundancy, atau interframe redundancy. Normalized autocorrelation coefficient: dimana N adalah jumlah piksel pada baris x dan Nilai tinggi (berkorelasi tinggi) pada atau 90 (b) dimana ada spasi garis vertikal. Juga piksel yang berdekatan mempunyai korelasi tinggi, yaitu dengan dimana nilai adalah dan masing-masing untuk gambar (a) dan (b).

12 Interpixel Redundancy (3) Artinya: data redundancy dinyatakan dengan korelasi antar piksel dimana intensitas suatu piksel dapat diperkirakan dari intensitas piksel-piksel tetangganya. Artinya: informasi yang dibawa oleh setiap piksel relatif tidak besar atau kontribusi setiap piksel kepada gambar secara keseluruhan adalah redundan.

13 Interpixel Redundancy (4) Citra yang mengandung interpixel redundancy dapat direpresentasi ke dalam bentuk yang lebih efisien (non- visual format). Dimana citra tidak dinyatakan dalam bentuk matriks dari intensitas piksel-pikselnya, akan tetapi dipetakan (mapping) dalam bentuk perbedaan intensitas antar piksel yang bersebelahan. Bentuk data yang dimampatkan ini bersifat reversible, artinya dapat direkonstruksi kembali menjadi citra asalnya. Run-Length Coding: (g 1,R 1 ), (g 2, R 2 ) … g i menyata- kan tingkat keabuan dan R i menyatakan jumlah piksel bersebelahan pada baris bersangkutan yang mempunyai intensitas g i.

14 Interpixel Redundancy (5) Contoh Citra:Run-Length Code Representation: Informasi Yang Disimpan: 22 pairs of integers (0,4), (1,2), (0,2) (0,3), (1,4), (0,1) (0,2), (1,5), (0,1) (0,3), (1,3), (0,3) (0,4), (1,1), (0,3) (0,8)

15 Psychovisual Redundancy (1) Mach Band: Suatu fenomena dimana intensitas keabuan yang bervariasi dilihat sebagai intensitas konstan, artinya: mata tidak mempunyai sensitivitas yang sama terhadap semua informasi yang dianggap penting dan tidak penting. Hal tersebut diatas dapat dikatakan sebagai psychovisual redundancy, yang bila dihilangkan tidak mengganggu persepsi kwalitas citra.

16 Psychovisual Redundancy (2) Quantization: Eliminasi psychovisual redundancy mengakibatkan kerugian informasi bersifat kwalitas. Teknik ini disebut quantization, yaitu pemetaan dari daerah intensitas yang lebar menjadi daerah intensitas terbatas (batas kemampuan visual manusia) Mata sangat sensitif terhadap informasi edge / garis batas / patahan. Proses kwantisasi dapat disesuaikan untuk kepentingan mempertahankan informasi edge seperti yang dilakukan pada Improved Gray Scale (IGS) Quantization. Irreversible Operation: Quantization mengakibatkan hilangnya sebagian informasi visual, dengan demikian teknik ini termasuk pada kategori lossy data compression.

17 Psychovisual Redundancy (3) IGS (Improved Gray Scale) Quantization PixelGray Level Sum IGS Code i - 1NA NA i i i i Subjective Fidelity Criteria: Excellent, Fine, Passable, Marginal, Inferior, Unusable

18 Psychovisual Redundancy (4) Kesalahan akibat hilangnya informasi: f(x,y) adalah citra asli dan f’(x,y) adalah citra approksimasi Total Error: Root-Mean-Square Error: Mean-square Signal-to-Ratio: